ਲਾਭ:
- ਏਆਈ ਨਾਲ ਪੂਰੀ ਆਬਾਦੀ ਨੂੰ ਸਕੈਨ ਕਰਨ ਅਤੇ ਅਸੰਗਤ ਨਿਯਮਾਂ ਦੇ ਅਨੁਸਾਰ ਸ਼ੱਕੀ ਰਿਕਾਰਡਾਂ ਨੂੰ ਤਰਜੀਹ ਦੇਣ ਦੀ ਸਮਰੱਥਾ
- ਮਾਡਲ 'ਤੇ ਨਿਰਣਾ ਪਾਸ ਕੀਤੇ ਬਿਨਾਂ 'ਮਾਰਕ ਅਤੇ ਜਾਇਜ਼ ਠਹਿਰਾਓ' ਦੇ ਅਨੁਸ਼ਾਸਨ ਨਾਲ ਆਡਿਟ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
- ਹਰੇਕ AI ਆਉਟਪੁੱਟ ਲਈ ਇੱਕ ਆਡਿਟ ਟ੍ਰੇਲ (ਡੇਟਾ, ਪ੍ਰੋਂਪਟ, ਮਿਤੀ, ਵੈਰੀਫਾਇਰ) ਰੱਖਣ ਦੀ ਸਮਰੱਥਾ
ਸ਼ਾਇਦ ਲੇਖਾਕਾਰੀ ਅਤੇ ਵਿੱਤ ਦਾ ਸਭ ਤੋਂ ਸੰਵੇਦਨਸ਼ੀਲ ਖੇਤਰ ਆਡਿਟਿੰਗ ਹੈ: ਸੁਤੰਤਰ ਤੌਰ 'ਤੇ ਪੁਸ਼ਟੀ ਕਰਨਾ ਕਿ ਰਿਕਾਰਡ ਸਹੀ, ਸੰਪੂਰਨ ਅਤੇ ਅਨੁਕੂਲ ਹਨ। ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਇੱਥੇ ਦੋ-ਪੱਖੀ ਟੂਲ ਹੈ। ਇੱਕ ਪਾਸੇ, ਇਹ ਵਿਗਾੜਾਂ (ਸ਼ੱਕੀ ਰਿਕਾਰਡ ਜੋ ਉਮੀਦਾਂ ਤੋਂ ਭਟਕਦੇ ਹਨ) ਲਈ ਵੱਡੇ ਡੇਟਾ ਸਟੈਕ ਨੂੰ ਸਕੈਨ ਕਰਨ ਅਤੇ ਅੰਦਰੂਨੀ ਨਿਯੰਤਰਣ ਕਮਜ਼ੋਰੀਆਂ ਦਾ ਪਤਾ ਲਗਾਉਣ ਵਿੱਚ ਬਹੁਤ ਸ਼ਕਤੀਸ਼ਾਲੀ ਹੈ। ਦੂਜੇ ਪਾਸੇ, ਆਡਿਟ ਦੀ ਪ੍ਰਕਿਰਤੀ ਦੇ ਕਾਰਨ, ਏਆਈ ਦੇ ਆਪਣੇ ਆਉਟਪੁੱਟ ਦਾ ਵੀ ਆਡਿਟ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਇਸ ਯੂਨਿਟ ਵਿੱਚ, ਅਸੀਂ ਸਿੱਖਾਂਗੇ ਕਿ AI ਨੂੰ ਇੱਕ "ਆਡਿਟ ਸਹਾਇਕ" ਵਜੋਂ ਕਿਵੇਂ ਵਰਤਣਾ ਹੈ ਅਤੇ ਇੱਕ ਆਡਿਟ ਟ੍ਰੇਲ ਨੂੰ ਕਿਵੇਂ ਬਣਾਈ ਰੱਖਣਾ ਹੈ।
ਅੰਦਰੂਨੀ ਨਿਯੰਤਰਣ ਅਤੇ ਆਡਿਟ ਵਿੱਚ AI ਦੀ ਭੂਮਿਕਾ
ਅੰਦਰੂਨੀ ਨਿਯੰਤਰਣ ਗਲਤੀਆਂ ਅਤੇ ਦੁਰਵਿਵਹਾਰ ਨੂੰ ਰੋਕਣ ਲਈ ਸਥਾਪਿਤ ਨਿਯਮਾਂ ਅਤੇ ਪ੍ਰਕਿਰਿਆਵਾਂ ਦਾ ਸਮੂਹ ਹੈ (ਜਿਵੇਂ ਕਿ ਫਰਜ਼ਾਂ ਨੂੰ ਵੱਖ ਕਰਨਾ, ਪ੍ਰਵਾਨਗੀ ਥ੍ਰੈਸ਼ਹੋਲਡ, ਸੁਲ੍ਹਾ ਕਰਨਾ)। ਆਡਿਟ ਜਾਂਚ ਕਰਦਾ ਹੈ ਕਿ ਇਹ ਕੰਮ ਕਰ ਰਹੇ ਹਨ ਜਾਂ ਨਹੀਂ। ਜਿੱਥੇ AI ਸਭ ਤੋਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਹੁੰਦਾ ਹੈ ਉਹ ਉਦੋਂ ਹੁੰਦਾ ਹੈ ਜਦੋਂ ਇਹ ਪੂਰੀ ਆਬਾਦੀ ਨੂੰ ਸਕੈਨ ਕਰ ਸਕਦਾ ਹੈ ਜਿੱਥੇ ਰਵਾਇਤੀ ਆਡਿਟਿੰਗ ਵਿੱਚ ਨਮੂਨਾ ਸ਼ਾਮਲ ਹੁੰਦਾ ਹੈ (ਸੈਂਕੜਿਆਂ ਵਿੱਚੋਂ ਕੁਝ ਰਿਕਾਰਡਾਂ ਦੀ ਜਾਂਚ ਕਰਨਾ)। ਸਾਰੇ 10,000 ਰਿਕਾਰਡਾਂ ਨੂੰ ਵੇਖਣਾ ਇੱਕ ਮਨੁੱਖ ਲਈ ਮੁਸ਼ਕਲ ਹੈ, ਪਰ ਇੱਕ ਮਾਡਲ ਲਈ ਸੰਭਵ ਹੈ।
ਪਰ ਮਹੱਤਵਪੂਰਨ ਅੰਤਰ ਇਹ ਹੈ: AI ਸ਼ੱਕ ਪੈਦਾ ਕਰਦਾ ਹੈ, ਨਿਰਣਾ ਨਹੀਂ। "ਇਹ ਰਿਕਾਰਡ ਅਸਧਾਰਨ ਲੱਗਦਾ ਹੈ" ਇੱਕ ਸ਼ੁਰੂਆਤੀ ਬਿੰਦੂ ਹੈ; ਅਸਲ ਆਡਿਟ ਦਾ ਫੈਸਲਾ ਅਤੇ ਸਬੂਤ ਇਕੱਠਾ ਕਰਨਾ ਮਨੁੱਖ ਦਾ ਹੈ।
ਸੰਕੇਤ: ਆਡਿਟ ਪ੍ਰੋਂਪਟ 'ਤੇ, ਕਹੋ "ਸਿਰਫ਼ ਬਿੰਦੂ ਅਤੇ ਜਾਇਜ਼ ਠਹਿਰਾਓ, ਸਿੱਟਾ ਨਾ ਕੱਢੋ/ਜੱਜ ਕਰੋ"। ਮਾਡਲ ਲਈ ਨਿਸ਼ਚਿਤ ਬਿਆਨ ਦੇਣਾ ਗਲਤ ਅਤੇ ਜੋਖਮ ਭਰਿਆ ਹੋਵੇਗਾ ਜਿਵੇਂ ਕਿ "ਇਹ ਇੱਕ ਅਨਿਯਮਿਤਤਾ ਹੈ"; ਮਾਮਲੇ ਦਾ ਫੈਸਲਾ ਤੁਹਾਡੀ ਸਮੀਖਿਆ 'ਤੇ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।
ਕਦਮ-ਦਰ-ਕਦਮ: AI ਨਾਲ ਅਸੰਗਤ ਸਕੈਨਿੰਗ
- ਆਪਣੇ ਨਿਯਮ ਸੈੱਟ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰੋ। ਤੁਸੀਂ ਕਿਸ ਨੂੰ ਅਸਧਾਰਨ ਸਮਝਦੇ ਹੋ? ਥ੍ਰੈਸ਼ਹੋਲਡ, ਦੁਹਰਾਓ, ਸਮਾਂ.
- ਸਾਰੀ ਆਬਾਦੀ ਨੂੰ ਸਕੈਨ ਕਰੋ. ਸਿਰਫ਼ ਇੱਕ ਨਮੂਨਾ ਹੀ ਨਹੀਂ, ਸਗੋਂ ਸਾਰੇ।
- ਨਿਸ਼ਾਨ ਲਗਾਓ ਅਤੇ ਜਾਇਜ਼ ਠਹਿਰਾਓ। ਹਰੇਕ ਖੋਜ ਲਈ "ਇਹ ਸ਼ੱਕੀ ਕਿਉਂ ਹੈ" ਦੀ ਵਿਆਖਿਆ।
- ਤਰਜੀਹ ਦਿਓ। ਜੋਖਮ/ਪ੍ਰਭਾਵ ਦੀ ਤੀਬਰਤਾ ਦੁਆਰਾ ਕ੍ਰਮਬੱਧ ਕਰੋ।
- ਮਨੁੱਖੀ ਸਮੀਖਿਆ ਦਾ ਹਵਾਲਾ ਦਿਓ। ਸਬੂਤ ਇਕੱਠੇ ਕਰੋ, ਫੈਸਲਾ ਕਰੋ, ਦਸਤਾਵੇਜ਼।
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ: ਕੀ ਇਹਨਾਂ ਖਰਚਿਆਂ ਵਿੱਚ ਕੋਈ ਬੇਨਿਯਮੀਆਂ ਹਨ? [ਡਾਟਾ]
ਇਹ ਇੱਕ ਜਵਾਬ ਦਿੰਦਾ ਹੈ ਜੋ ਜਾਂ ਤਾਂ "ਕੋਈ ਨਹੀਂ" ਹੈ ਜਾਂ ਬੇਬੁਨਿਆਦ ਦੋਸ਼ ਪੈਦਾ ਕਰਦਾ ਹੈ ਜੋ ਆਡਿਟ ਵਿੱਚ ਨਹੀਂ ਵਰਤੇ ਜਾ ਸਕਦੇ ਹਨ।
ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ:ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਇੱਕ ਅੰਦਰੂਨੀ ਆਡਿਟ ਸਹਾਇਕ। ਕੰਮ: ਜੋਖਮ ਨਿਯਮ ਦੇ ਵਿਰੁੱਧ ਨਿਮਨਲਿਖਤ ਖਰਚੇ ਦੇ ਰਿਕਾਰਡਾਂ ਨੂੰ ਸਕੈਨ ਕਰੋ। ਨਿਯਮ: 1) ਮਨਜ਼ੂਰੀ ਥ੍ਰੈਸ਼ਹੋਲਡ ਤੋਂ ਬਿਲਕੁਲ ਹੇਠਾਂ ਰਕਮਾਂ (50,000) (ਸ਼ੱਕ ਨੂੰ ਵੰਡਣਾ) 2) ਵੀਕਐਂਡ 'ਤੇ ਜਾਂ ਘੰਟਿਆਂ ਬਾਅਦ ਦਾਖਲ ਕੀਤੇ ਗਏ ਰਿਕਾਰਡ3) ਸਮਾਨ ਅੰਤਰਾਲ ਦੇ ਸਮਾਨ ਅੰਤਰਾਲ ਦੁਹਰਾਇਆ ਗਿਆ supp4 'ਤੇ ਛੋਟੀ ਬਾਰੰਬਾਰਤਾ ਦੀ ਸਮਾਨ ਮਾਤਰਾ) amountsOutput: ਰਿਕਾਰਡ ਨੰਬਰ | ਸ਼ੁਰੂ ਕੀਤਾ ਨਿਯਮ | ਇਹ ਸ਼ੱਕੀ ਕਿਉਂ ਹੈ (1 ਵਾਕ) |ਪਹਿਲਤਾ (ਉੱਚ/ਮੱਧਮ/ਘੱਟ) ਪਾਬੰਦੀ: ਸਿਰਫ਼ ਨਿਸ਼ਾਨ ਲਗਾਓ ਅਤੇ ਜਾਇਜ਼ ਠਹਿਰਾਓ। "ਇਹ ਇੱਕ ਅਨਿਯਮਿਤਤਾ ਹੈ" ਵਰਗਾ ਨਿਰਣਾ ਕਰਨਾ; ਇਹ ਮਨੁੱਖੀ ਪ੍ਰੀਖਿਆ ਲਈ ਉਮੀਦਵਾਰ ਹਨ। ਸਿਰਫ਼ ਡੇਟਾ ਵਿੱਚ ਜਾਣਕਾਰੀ ਦੀ ਵਰਤੋਂ ਕਰੋ।<records> ... </records>
ਇਹ ਪ੍ਰੋਂਪਟ; ਇਹ ਮਨਜ਼ੂਰੀ ਥ੍ਰੈਸ਼ਹੋਲਡ ("ਸਪਲਿਟ-ਆਫ" ਚਿੰਨ੍ਹ) ਜਾਂ ਘੰਟਿਆਂ ਬਾਅਦ ਦਾਖਲ ਕੀਤੇ ਰਿਕਾਰਡਾਂ ਦੇ ਬਿਲਕੁਲ ਹੇਠਾਂ ਫਸੀਆਂ ਰਕਮਾਂ ਨੂੰ ਤਰਜੀਹ ਦਿੰਦਾ ਹੈ ਅਤੇ ਆਡੀਟਰ ਨੂੰ ਇੱਕ ਸਪੱਸ਼ਟ ਸਮੀਖਿਆ ਸੂਚੀ ਦਿੰਦਾ ਹੈ।
ਆਡਿਟਿੰਗ ਵਿੱਚ AI ਦਾ ਸਭ ਤੋਂ ਵੱਡਾ ਯੋਗਦਾਨ ਇਸਦਾ ਸਕੇਲ ਦਾ ਫਾਇਦਾ ਹੈ। ਇੱਕ ਪਰੰਪਰਾਗਤ ਆਡਿਟ ਵਿੱਚ, ਨਮੂਨਾ ਲਿਆ ਜਾਂਦਾ ਹੈ ਕਿਉਂਕਿ ਸਾਰੇ ਰਿਕਾਰਡਾਂ ਨੂੰ ਦੇਖਣਾ ਸਰੀਰਕ ਤੌਰ 'ਤੇ ਸੰਭਵ ਨਹੀਂ ਹੁੰਦਾ ਹੈ: ਸ਼ਾਇਦ ਸੌ ਵਿੱਚੋਂ ਹਜ਼ਾਰਾਂ ਇਨਵੌਇਸਾਂ ਦੀ ਜਾਂਚ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਅਤੇ ਨਤੀਜਾ ਪੂਰੀ ਆਬਾਦੀ ਲਈ ਆਮ ਹੁੰਦਾ ਹੈ। ਇਸਦਾ ਮਤਲਬ ਇਹ ਹੈ ਕਿ ਇੱਕ ਅਨਿਯਮਿਤਤਾ ਜੋ ਨਮੂਨੇ ਤੋਂ ਬਾਹਰ ਹੈ ਬਚ ਜਾਂਦੀ ਹੈ. AI, ਦੂਜੇ ਪਾਸੇ, ਤੁਹਾਡੇ ਦੁਆਰਾ ਪਰਿਭਾਸ਼ਿਤ ਕੀਤੇ ਨਿਯਮਾਂ ਨੂੰ ਸਕਿੰਟਾਂ ਵਿੱਚ ਹਜ਼ਾਰਾਂ ਰਿਕਾਰਡਾਂ 'ਤੇ ਲਾਗੂ ਕਰ ਸਕਦਾ ਹੈ। ਇਸ ਤਰ੍ਹਾਂ, ਆਡਿਟਿੰਗ "ਕੁਝ ਉਦਾਹਰਣਾਂ ਨੂੰ ਵੇਖਣ ਅਤੇ ਉਮੀਦ ਕਰਨ" ਤੋਂ "ਹਰੇਕ ਰਿਕਾਰਡ ਨੂੰ ਸਕੈਨ ਕਰਨ ਅਤੇ ਅਪਵਾਦਾਂ ਨੂੰ ਬਾਹਰ ਕੱਢਣ" ਤੱਕ ਵਿਕਸਤ ਹੁੰਦੀ ਹੈ। ਹਾਲਾਂਕਿ, ਜੋ ਵੀ ਪਾਇਆ ਗਿਆ ਹੈ, ਉਹ ਜਾਂਚ ਲਈ ਉਮੀਦਵਾਰ ਹਨ, ਸਿੱਟੇ ਨਹੀਂ।
ਆਡਿਟ ਵਿੱਚ ਅਕਸਰ ਵਰਤੇ ਜਾਂਦੇ ਵਿਸੰਗਤੀ ਨਿਯਮ
ਨਿਯਮ
ਇਹ ਕੀ ਦਰਸਾਉਂਦਾ ਹੈ
ਉਦਾਹਰਨ
subthreshold ਇਕੱਠਾ
ਮਨਜ਼ੂਰੀ ਤੋਂ ਬਚਣ ਲਈ ਵੰਡੋ
49,500, 49,800 ਵਰਗੀਆਂ ਰਕਮਾਂ
ਘੰਟੇ ਦੇ ਬਾਹਰ ਰਜਿਸਟਰੇਸ਼ਨ
ਬੇਕਾਬੂ ਇੰਦਰਾਜ਼
ਸ਼ਨੀਵਾਰ 23:40 ਬਿੱਲ
ਡੁਪਲੀਕੇਟ ਭੁਗਤਾਨ
ਦੋਹਰੇ ਭੁਗਤਾਨ ਦਾ ਜੋਖਮ
ਇੱਕੋ ਚਲਾਨ, ਦੋ ਦਸਤਾਵੇਜ਼ ਨੰਬਰ
ਗੋਲ-ਸੰਖਿਆ ਦੀ ਬਾਰੰਬਾਰਤਾ
ਅਨੁਮਾਨਿਤ/ਬਣਾਈ ਰਕਮ
ਬਿਲਕੁਲ 10,000 ਦਾ ਬਹੁਤ ਸਾਰਾ
ਨਵਾਂ ਸਪਲਾਇਰ + ਵੱਧ ਰਕਮ
ਭੂਤ ਸਪਲਾਇਰ ਜੋਖਮ
ਪਹਿਲੇ ਟ੍ਰਾਂਜੈਕਸ਼ਨ ਵਿੱਚ 200,000
ਕਰਤੱਵਾਂ ਅਤੇ ਅਥਾਰਟੀ ਕੰਟਰੋਲ ਨੂੰ ਵੱਖ ਕਰਨਾ
ਅੰਦਰੂਨੀ ਨਿਯੰਤਰਣ ਦੇ ਅਧਾਰਾਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ ਕਰਤੱਵਾਂ ਨੂੰ ਵੱਖ ਕਰਨਾ: ਉਹ ਵਿਅਕਤੀ ਜੋ ਇੱਕ ਲੈਣ-ਦੇਣ ਦੀ ਸ਼ੁਰੂਆਤ ਕਰਦੇ ਹਨ, ਮਨਜ਼ੂਰ ਕਰਦੇ ਹਨ ਅਤੇ ਭੁਗਤਾਨ ਕਰਦੇ ਹਨ, ਉਹ ਵੱਖਰੇ ਹੁੰਦੇ ਹਨ। ਜੇਕਰ ਉਹੀ ਵਿਅਕਤੀ ਚਲਾਨ ਵਿੱਚ ਦਾਖਲ ਹੁੰਦਾ ਹੈ, ਮਨਜ਼ੂਰੀ ਦਿੰਦਾ ਹੈ ਅਤੇ ਭੁਗਤਾਨ ਕਰਦਾ ਹੈ, ਤਾਂ ਦੁਰਵਿਵਹਾਰ ਲਈ ਦਰਵਾਜ਼ਾ ਖੁੱਲ੍ਹਾ ਹੈ। AI ਉਹਨਾਂ ਉਦਾਹਰਣਾਂ ਨੂੰ ਲੱਭ ਸਕਦਾ ਹੈ ਜਿੱਥੇ ਟ੍ਰਾਂਜੈਕਸ਼ਨ ਰਿਕਾਰਡਾਂ ਵਿੱਚ ਉਪਭੋਗਤਾ ਜਾਣਕਾਰੀ ਨੂੰ ਸਕੈਨ ਕਰਕੇ ਇਸ ਨੀਤੀ ਦੀ ਉਲੰਘਣਾ ਕੀਤੀ ਗਈ ਹੈ।
ਨਿਮਨਲਿਖਤ ਟ੍ਰਾਂਜੈਕਸ਼ਨ ਰਿਕਾਰਡਾਂ ਵਿੱਚ ਡਿਊਟੀਆਂ ਦੀ ਉਲੰਘਣਾ ਨੂੰ ਵੱਖ ਕਰਨ ਲਈ ਸਕੈਨ ਕਰੋ: - ਉਹ ਲੈਣ-ਦੇਣ ਜੋ ਇੱਕੋ ਉਪਭੋਗਤਾ ਦੋਵੇਂ ਦਾਖਲ ਕਰਦਾ ਹੈ ਅਤੇ ਮਨਜ਼ੂਰ ਕਰਦਾ ਹੈ - ਉਹ ਲੈਣ-ਦੇਣ ਜੋ ਇੱਕੋ ਉਪਭੋਗਤਾ ਭੁਗਤਾਨ ਨੂੰ ਮਨਜ਼ੂਰੀ ਦਿੰਦਾ ਹੈ ਅਤੇ ਸ਼ੁਰੂ ਕਰਦਾ ਹੈ - ਅਧਿਕਾਰ ਸੀਮਾ ਤੋਂ ਉੱਪਰ ਇੱਕ ਵਿਅਕਤੀ ਦੁਆਰਾ ਪ੍ਰਵਾਨਿਤ ਰਕਮ ਆਉਟਪੁੱਟ: ਟ੍ਰਾਂਜੈਕਸ਼ਨ ਨੰਬਰ | ਉਲੰਘਣਾ ਦੀ ਕਿਸਮ | ਸੰਬੰਧਿਤ ਉਪਭੋਗਤਾ | ਤਰਜੀਹ ਸਿਰਫ਼ ਬਿੰਦੂ ਅਤੇ ਜਾਇਜ਼ ਠਹਿਰਾਓ; ਸਜ਼ਾ ਸੁਣਾਉਣ ਲਈ ਉਮੀਦਵਾਰ ਵਜੋਂ ਸੂਚੀ, ਸਮੀਖਿਆ.
ਇਸ ਕਿਸਮ ਦੀ ਸਕੈਨਿੰਗ ਸਕਿੰਟਾਂ ਵਿੱਚ ਪੈਟਰਨ ਕੱਢਦੀ ਹੈ ਜੋ ਮਨੁੱਖੀ ਅੱਖ ਹਜ਼ਾਰਾਂ ਲਾਈਨਾਂ ਵਿੱਚ ਕਦੇ ਵੀ ਹਾਸਲ ਨਹੀਂ ਕਰ ਸਕਦੀ। ਪਰ ਇਹੀ ਸਿਧਾਂਤ ਲਾਗੂ ਹੁੰਦਾ ਹੈ: ਪੈਟਰਨ "ਨਿਯਮਾਂ ਦੀ ਉਲੰਘਣਾ ਦਾ ਪੈਟਰਨ" ਦਿਖਾਉਂਦਾ ਹੈ; ਇਹ ਫੈਸਲਾ ਕਰਨਾ ਇੱਕ ਵਿਅਕਤੀ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ ਕਿ ਕੀ ਇਹ ਇੱਕ ਅਸਲ ਸਮੱਸਿਆ ਹੈ ਜਾਂ ਇੱਕ ਜਾਇਜ਼ ਅਪਵਾਦ (ਉਦਾਹਰਨ ਲਈ, ਛੋਟੀ ਟੀਮ ਵਿੱਚ ਜ਼ਬਰਦਸਤੀ ਦੋਹਰੀ ਭੂਮਿਕਾ)।
ਆਡਿਟ ਟ੍ਰੇਲ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ
ਜੇਕਰ ਇੱਕ AI ਆਉਟਪੁੱਟ ਨੂੰ ਇੱਕ ਆਡਿਟ ਵਿੱਚ ਵਰਤਿਆ ਜਾਣਾ ਹੈ, ਤਾਂ ਇਸਦਾ ਪਤਾ ਲਗਾਉਣ ਯੋਗ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ: ਕਿਹੜਾ ਡੇਟਾ, ਕਿਹੜਾ ਪ੍ਰੋਂਪਟ, ਕਿਹੜਾ ਮਾਡਲ, ਕਿਹੜੀ ਮਿਤੀ, ਕਿਸਨੇ ਇਸਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ? ਇਸ ਰਿਕਾਰਡ ਤੋਂ ਬਿਨਾਂ, ਆਡਿਟ ਵਿੱਚ ਪ੍ਰਿੰਟਆਊਟ ਦਾ ਕੋਈ ਸਬੂਤ ਮੁੱਲ ਨਹੀਂ ਹੈ।
ਇਸ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ ਇੱਕ ਆਡਿਟ ਟ੍ਰੇਲ ਰਿਕਾਰਡ ਤਿਆਰ ਕਰੋ:- ਡਾਟਾ ਸਰੋਤ ਅਤੇ ਵਰਤਿਆ ਗਿਆ ਸਮਾਂ- ਪ੍ਰੋਂਪਟ/ਨਿਯਮਾਂ ਦਾ ਸਾਰ ਲਾਗੂ ਕੀਤਾ ਗਿਆ- ਮਾਡਲ ਆਉਟਪੁੱਟ ਦੀ ਮਿਤੀ- ਮਨੁੱਖੀ ਤਸਦੀਕ ਕਦਮਾਂ ਲਈ ਖਾਲੀ ਖੇਤਰ (ਕੌਣ, ਕਦੋਂ, ਨਤੀਜਾ) ਇਸ ਨੂੰ ਮੁੜ ਵਰਤੋਂ ਯੋਗ ਟੈਂਪਲੇਟ ਵਜੋਂ ਨਿਰਯਾਤ ਕਰੋ।
ਸਾਵਧਾਨ: ਸਿਰਫ਼ ਇਸ ਲਈ ਕਿ AI ਕਹਿੰਦਾ ਹੈ "ਇਹ ਰਿਕਾਰਡ ਠੀਕ ਹੈ" ਇਹ ਸਾਬਤ ਨਹੀਂ ਕਰਦਾ ਕਿ ਉੱਥੇ ਕੋਈ ਮੁੱਦੇ ਨਹੀਂ ਹਨ। ਹੋ ਸਕਦਾ ਹੈ ਕਿ ਮਾਡਲ ਇੱਕ ਪੈਟਰਨ ਤੋਂ ਖੁੰਝ ਗਿਆ ਹੋਵੇ। "ਏਆਈ ਨੇ ਕਿਹਾ ਸਾਫ਼" ਇੱਕ ਆਡਿਟ ਵਿੱਚ ਇੱਕ ਭਰੋਸਾ ਨਹੀਂ ਹੈ; ਹਮੇਸ਼ਾ ਦਾਇਰੇ ਅਤੇ ਵਿਧੀ ਦੀਆਂ ਸੀਮਾਵਾਂ ਦਾ ਦਸਤਾਵੇਜ਼ ਬਣਾਓ।
ਮਿੰਨੀ ਕੇਸ
ਕੇਸ 1 — ਸਬਥ੍ਰੈਸ਼ਹੋਲਡ ਕੰਪਾਰਟਮੈਂਟ। ਇੱਕ ਅੰਦਰੂਨੀ ਆਡੀਟਰ ਨੂੰ 50,000 TL ਦੀ ਪ੍ਰਵਾਨਗੀ ਥ੍ਰੈਸ਼ਹੋਲਡ ਵਾਲੀ ਇੱਕ ਕੰਪਨੀ ਵਿੱਚ AI ਸਕੈਨਿੰਗ ਰਾਹੀਂ ਉਸੇ ਵਿਭਾਗ ਤੋਂ 49,200, 49,700, 49,500 TL ਦੇ ਲਗਾਤਾਰ ਤਿੰਨ ਇਨਵੌਇਸ ਮਿਲੇ ਹਨ। ਜਾਂਚ ਤੋਂ ਪਤਾ ਲੱਗਾ ਹੈ ਕਿ ਮਨਜ਼ੂਰੀ ਤੋਂ ਬਚਣ ਲਈ £145,000 ਦੀ ਇੱਕ ਖਰੀਦ ਨੂੰ ਤਿੰਨ ਵਿੱਚ ਵੰਡਿਆ ਗਿਆ ਸੀ। ਕੰਟਰੋਲ ਪਾੜਾ ਬੰਦ ਕਰ ਦਿੱਤਾ ਗਿਆ ਹੈ।
ਕੇਸ 2 - ਭੂਤ ਸਪਲਾਇਰ ਚਿੰਨ੍ਹ। AI ਨੇ ਉੱਚ ਤਰਜੀਹ ਨੂੰ ਚਿੰਨ੍ਹਿਤ ਕੀਤਾ ਕਿ ਪਹਿਲੇ ਟ੍ਰਾਂਜੈਕਸ਼ਨ ਵਿੱਚ ਸਿਸਟਮ ਵਿੱਚ ਨਵੇਂ ਸ਼ਾਮਲ ਕੀਤੇ ਸਪਲਾਇਰ ਨੂੰ 200,000 TL ਦਾ ਭੁਗਤਾਨ ਕੀਤਾ ਗਿਆ ਸੀ। ਸਮੀਖਿਆ ਨੇ ਦਿਖਾਇਆ ਕਿ ਸਪਲਾਇਰ ਅਸਲੀ ਅਤੇ ਇਕਰਾਰਨਾਮੇ ਦੇ ਅਧੀਨ ਹੈ; ਅਲਾਰਮ ਗਲਤ ਸੀ ਪਰ ਕੰਟਰੋਲ ਨੇ ਸਹੀ ਢੰਗ ਨਾਲ ਕੰਮ ਕੀਤਾ। ਸਬਕ: ਹਰ ਚਿੰਨ੍ਹ ਅਪਰਾਧ ਨਹੀਂ ਹੁੰਦਾ, ਪਰ ਹਰ ਚਿੰਨ੍ਹ ਦੀ ਜਾਂਚ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ।
ਕੇਸ 3 - ਬਿਨਾਂ ਦਸਤਾਵੇਜ਼ੀ ਆਉਟਪੁੱਟ ਦਾ ਸਮੇਟਣਾ। ਇੱਕ ਟੀਮ ਨੇ ਆਡਿਟ ਨੂੰ AI ਵਿਸੰਗਤੀ ਸੂਚੀ ਸੌਂਪੀ, ਪਰ ਉਸ ਨੇ ਉਸ ਪ੍ਰੋਂਪਟ ਅਤੇ ਡੇਟਾ ਨੂੰ ਰਿਕਾਰਡ ਨਹੀਂ ਕੀਤਾ ਜਿਸ ਨਾਲ ਇਹ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਸੀ। ਬਾਹਰੀ ਆਡੀਟਰ ਨੇ ਪ੍ਰਿੰਟਆਊਟ ਨੂੰ ਸਬੂਤ ਵਜੋਂ ਸਵੀਕਾਰ ਨਹੀਂ ਕੀਤਾ। ਆਡਿਟ ਟ੍ਰੇਲ ਦੇ ਨਾਲ ਵਿਸ਼ਲੇਸ਼ਣ ਦੁਬਾਰਾ ਚਲਾਇਆ ਜਾਂਦਾ ਹੈ। ਪਾਠ: ਕੋਈ ਆਉਟਪੁੱਟ ਨਹੀਂ ਹੈ ਜਿਸਦੀ ਆਡਿਟ ਵਿੱਚ ਨਿਗਰਾਨੀ ਨਹੀਂ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ।
ਕੇਸ 4 - ਕਰਤੱਵਾਂ ਦੀ ਉਲੰਘਣਾ ਨੂੰ ਵੱਖ ਕਰਨਾ। ਇੱਕ ਅੰਦਰੂਨੀ ਨਿਯੰਤਰਣ ਸਕੈਨ ਵਿੱਚ ਇੱਕ ਛੋਟੀ ਸ਼ਾਖਾ ਵਿੱਚ 37 ਲੈਣ-ਦੇਣ ਮਿਲੇ ਜਿੱਥੇ ਉਸੇ ਕਰਮਚਾਰੀ ਨੇ ਇਨਵੌਇਸ ਲਈ ਦਾਖਲ ਕੀਤਾ, ਮਨਜ਼ੂਰ ਕੀਤਾ, ਅਤੇ ਭੁਗਤਾਨ ਸ਼ੁਰੂ ਕੀਤਾ। ਜਾਂਚ ਤੋਂ ਪਤਾ ਚੱਲਿਆ ਕਿ ਕਰਮਚਾਰੀ ਦਾ ਕੋਈ ਮਾੜਾ ਇਰਾਦਾ ਨਹੀਂ ਸੀ ਪਰ ਘੱਟ ਸਟਾਫ਼ ਕਾਰਨ ਇਹ ਭੂਮਿਕਾਵਾਂ ਨਿਭਾਈਆਂ। ਫਿਰ ਵੀ, ਜੋਖਮ ਅਸਲ ਸੀ; ਕੰਪਨੀ ਨੇ ਪੇਮੈਂਟ ਦੀ ਮਨਜ਼ੂਰੀ ਕੇਂਦਰ ਨੂੰ ਭੇਜ ਕੇ ਗੈਪ ਨੂੰ ਪੂਰਾ ਕਰ ਦਿੱਤਾ ਹੈ। ਸਬਕ: ਨਿਯੰਤਰਣ ਘਾਟਾ ਖ਼ਤਰਨਾਕ ਹੈ, ਭਾਵੇਂ ਕਿ ਖ਼ਤਰਨਾਕਤਾ ਤੋਂ ਬਿਨਾਂ; AI ਪੈਟਰਨ ਲੱਭਦਾ ਹੈ, ਮਨੁੱਖ ਹੱਲ ਤਿਆਰ ਕਰਦਾ ਹੈ।
ਆਮ ਗਲਤੀਆਂ
- ਮਾਡਲ ਦਾ ਨਿਰਣਾ ਕਰਨ ਲਈ. "ਇਹ ਇੱਕ ਅਨਿਯਮਿਤਤਾ ਹੈ" ਕਹਿਣਾ ਗਲਤ ਅਤੇ ਜੋਖਮ ਭਰਪੂਰ ਹੈ; ਬਸ ਇਸ ਨੂੰ ਮਾਰਕ ਕਰੋ.
- "ਏਆਈ ਨੇ ਕਿਹਾ ਕਿ ਇਹ ਸਾਫ਼ ਹੈ" ਭਰੋਸਾ। ਇਹ ਹੋ ਸਕਦਾ ਹੈ ਕਿ ਮਾਡਲ ਖੁੰਝ ਗਿਆ ਹੋਵੇ; ਇੱਕ ਸਾਫ਼ ਨਤੀਜਾ ਸਬੂਤ ਨਹੀਂ ਹੈ.
- ਆਡਿਟ ਟ੍ਰੇਲ ਨਹੀਂ ਰੱਖਣਾ। ਜੇਕਰ ਡੇਟਾ, ਪ੍ਰੋਂਪਟ, ਮਿਤੀ ਅਤੇ ਵੈਰੀਫਾਇਰ ਨੂੰ ਰਿਕਾਰਡ ਨਹੀਂ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਆਉਟਪੁੱਟ ਸਬੂਤ ਨਹੀਂ ਹੋਵੇਗਾ।
- ਹਰ ਨਿਸ਼ਾਨੀ ਨੂੰ ਸਮਝਣਾ ਗੁਨਾਹ ਹੈ। ਵਿਗਾੜ ਜਾਂਚ ਲਈ ਉਮੀਦਵਾਰ ਹੈ; ਸਬੂਤ ਫੈਸਲੇ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਦੇ ਹਨ।
- ਦਾਇਰੇ ਦਾ ਦਸਤਾਵੇਜ਼ੀਕਰਨ ਨਹੀਂ ਕਰ ਰਿਹਾ। ਕਿਹੜੇ ਰਿਕਾਰਡਾਂ ਨੂੰ ਸਕੈਨ ਕੀਤਾ ਗਿਆ ਸੀ ਅਤੇ ਵਿਧੀ ਦੀ ਸੀਮਾ ਲਿਖੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ.
ਸੰਖੇਪ ਵਿੱਚ
- AI ਇੱਕ ਆਡਿਟ ਵਿੱਚ ਪੂਰੀ ਆਬਾਦੀ ਨੂੰ ਸਕੈਨ ਕਰਕੇ ਵਿਗਾੜਾਂ ਨੂੰ ਲੱਭਣ ਵਿੱਚ ਸ਼ਕਤੀਸ਼ਾਲੀ ਹੈ; ਨਮੂਨੇ ਤੋਂ ਪਰੇ ਜਾਂਦਾ ਹੈ।
- ਮਾਡਲ ਸ਼ੱਕ ਪੈਦਾ ਕਰਦਾ ਹੈ, ਨਿਰਣਾ ਨਹੀਂ; ਇਸਨੂੰ "ਸਿਰਫ਼ ਬਿੰਦੂ ਅਤੇ ਜਾਇਜ਼ ਠਹਿਰਾਓ" ਨਿਯਮ ਨਾਲ ਵਰਤੋ।
- ਅਸੰਗਤ ਨਿਯਮ (ਥ੍ਰੈਸ਼ਹੋਲਡ ਬੈਕਲਾਗ ਤੋਂ ਹੇਠਾਂ, ਘੰਟਿਆਂ ਤੋਂ ਬਾਹਰ ਦੀ ਰਜਿਸਟ੍ਰੇਸ਼ਨ, ਡੁਪਲੀਕੇਟ ਭੁਗਤਾਨ) ਨੂੰ ਪਹਿਲਾਂ ਤੋਂ ਪਰਿਭਾਸ਼ਿਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।
- ਹਰੇਕ AI ਆਉਟਪੁੱਟ ਲਈ ਇੱਕ ਆਡਿਟ ਟ੍ਰੇਲ (ਡਾਟਾ, ਪ੍ਰੋਂਪਟ, ਮਿਤੀ, ਪ੍ਰਮਾਣਕ) ਰੱਖਣਾ ਲਾਜ਼ਮੀ ਹੈ; ਅਣਟਰੇਸੇਬਲ ਆਉਟਪੁੱਟ ਸਬੂਤ ਨਹੀਂ ਹੈ।
- "ਏਆਈ ਨੇ ਕਿਹਾ ਸਾਫ਼" ਇੱਕ ਭਰੋਸਾ ਨਹੀਂ ਹੈ; ਹਮੇਸ਼ਾ ਦਾਇਰੇ ਅਤੇ ਵਿਧੀ ਦੀਆਂ ਸੀਮਾਵਾਂ ਦਾ ਦਸਤਾਵੇਜ਼ ਬਣਾਓ।
ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ
30-50 ਲਾਈਨਾਂ ਦਾ ਖਰਚਾ ਰਿਕਾਰਡ ਤਿਆਰ ਕਰੋ; ਜਾਣਬੁੱਝ ਕੇ ਵਿੱਚ ਉਪ-ਵਿਭਾਜਿਤ ਕਰੋ ਅਤੇ ਇੱਕ ਡੁਪਲੀਕੇਟ ਭੁਗਤਾਨ ਕਰੋ। ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰੋਂਪਟ ਟੈਂਪਲੇਟ ਨਾਲ ਇੱਕ ਅਸੰਗਤ ਸਕੈਨ ਪ੍ਰਾਪਤ ਕਰੋ ਅਤੇ ਜਾਂਚ ਕਰੋ ਕਿ ਮਾਡਲ ਤੁਹਾਡੇ ਜਾਲਾਂ ਨੂੰ ਫੜਦਾ ਹੈ ਅਤੇ ਤਰਜੀਹ ਦਿੰਦਾ ਹੈ। ਫਿਰ ਆਡਿਟ ਟ੍ਰੇਲ ਟੈਂਪਲੇਟ ਨੂੰ ਭਰੋ ਅਤੇ ਖੋਜਾਂ ਨੂੰ "ਸਮੀਖਿਆ ਲਈ ਉਮੀਦਵਾਰ" ਵਜੋਂ ਸੂਚੀਬੱਧ ਕਰੋ (ਨਿਰਣੇ ਨੂੰ ਪਾਸ ਕੀਤੇ ਬਿਨਾਂ)।
ਚੈੱਕਲਿਸਟ
- [ ] ਮੈਂ ਅਸੰਗਤ ਨਿਯਮ (ਥ੍ਰੈਸ਼ਹੋਲਡ, ਸਮਾਂ, ਦੁਹਰਾਓ) ਨੂੰ ਪਹਿਲਾਂ ਤੋਂ ਪਰਿਭਾਸ਼ਿਤ ਕੀਤਾ ਹੈ।
- [ ] ਮੈਂ ਸਾਰੀ ਆਬਾਦੀ ਨੂੰ ਸਕੈਨ ਕੀਤਾ, ਮੈਂ ਨਮੂਨੇ ਲੈਣ ਤੋਂ ਨਹੀਂ ਰੁਕਿਆ।
- [ ] ਮੈਂ ਮਾਡਲ ਨੂੰ ਫੈਸਲਾ ਸੁਣਾਉਣ ਤੋਂ ਰੋਕਿਆ; ਮੈਂ ਹੁਣੇ ਹੀ ਇਸ ਨੂੰ ਚਿੰਨ੍ਹਿਤ ਅਤੇ ਜਾਇਜ਼ ਠਹਿਰਾਇਆ ਸੀ.
- ਮੈਂ ਹਰੇਕ ਖੋਜ ਲਈ ਇੱਕ ਆਡਿਟ ਟ੍ਰੇਲ (ਡਾਟਾ, ਪ੍ਰੋਂਪਟ, ਮਿਤੀ) ਰਿਕਾਰਡ ਕੀਤਾ ਹੈ।
- [ ] ਮੈਂ ਉਹਨਾਂ ਨੂੰ ਮਨੁੱਖੀ ਨਿਰਣੇ ਲਈ "ਸਮੀਖਿਆ ਉਮੀਦਵਾਰਾਂ" ਵਜੋਂ ਚਿੰਨ੍ਹਿਤ ਕੀਤਾ ਹੈ।
- [ ] ਮੈਂ ਸਕੈਨ ਦੇ ਦਾਇਰੇ ਅਤੇ ਵਿਧੀ ਦੀਆਂ ਸੀਮਾਵਾਂ ਦਾ ਦਸਤਾਵੇਜ਼ੀਕਰਨ ਕੀਤਾ ਹੈ।